gpt3（GPT3------少样本示例推动下的通用语言模型雏形)结合提示词和少样本示例后，展示出了强大性能。但大语言模型的训练门槛太高，普通研究人员无力，LM-BFF(Making Pre-trained Language Models Better Few-shot Learners)的作者受gpt3启发后，将gpt3的少样本学习思路与常规语言模型（如BERT、RoBERTa）相结合，最终提出了一种新颖的微调方法，大大降低了微调所需样本量，也为我们理解提示词的重要性带来了新的启发。
本文主要分享这种新颖微调方法的好处，不对细节做过多展开。
方法
传统的微调方法是，给定训练好的预训练模型后，再利用该预训练模型在各类监督数据集上结合标签进行监督训练。输入和输出由不同的数据集决定。
LM-BFF作者的思路是，在监督训练时，通过引入提示模板 (prompt template) 和任务示例 (task demonstrations/examples)，将原始输入和输出（标签）转换成一种更接近语言模型预训练任务的格式（即完形填空或文本生成）进行训练。
例如，对于一个传统的文本分类任务：
- 传统微调输入(以RoBERTa为例) ：
[CLS] No reason to watch. [SEP]，预测输出通常是数据集的标签（如positive，negative） - LM-BFF微调输入示例 ：
[CLS] No reason to watch. [SEP] It was [MASK]. [SEP] A fun ride. It was great. [SEP] The drama discloses nothing. It was terrible. [SEP],预测输出是标签词映射得到的词（如great,terrible）
在这个LM-BFF的例子中：
No reason to watch.是原始输入文本。It was [MASK].是应用于原始输入文本的提示模板，模型需要预测[MASK]位置最合适的词。A fun ride. It was great.和The drama discloses nothing. It was terrible.是任务示例（demonstrations）。其中great和terrible是原始标签（如"正面"、"负面"）通过标签词映射 (label word mapping) 转换成的具体词语。这些示例为模型提供了当前任务的上下文信息。
下图是更详细的过程：
LM-BFF的四个关键部分：
- 三个输入部分：原始输入 + 提示模板 + 任务示例
- 输出标签词映射。
其中提示模板和输出词映射可以手动指定也可以自动得出，作者提出了自动推断提示模板和输出词映射的方法。任务示例从训练样本中抽样。
自动推断输出标签映射词的方法：
- 使用预训练语言模型（如 RoBERTa）来预测与标签语义最相关的词。
- 对于每个标签，构造一个模板（如"It was MASK."），然后通过模型预测 MASK 位置的词，选择概率最高的词作为标签映射词。
- 例如，对于"positive"标签，模型可能预测"great"作为映射词；对于"negative"标签，预测"terrible"。
- 这种方法减少了手动指定标签词的负担，提高了方法的通用性。
自动推断提示模板的方法：
- 利用 T5 模型的填空能力，将模板字符作为掩码序列输入T5，使其通过预测掩码序列生成候选提示模板。
- 例如，对于文本分类任务，T5 可能生成"It was MASK."或"The sentiment is MASK."作为提示模板。
- 然后通过少量验证数据评估每个模板的性能，选择效果最好的模板。
- 这种方法通过自动化生成提示模板，减少了人工设计的成本。
实验
作者在GLUE数据集和SNLI数据集上做了实验。
在不同的数据集上，作者手工指定了提示模板和标签词映射。当然后面有手工，也有自动推断的实验结果。
实验效果
作者对比了若干方法：
第一部分：
- Majority(选取数据最多的类做标签)
- 使用作者手工指定的提示词进行零样本学习，不微调训练
- 使用作者手工指定的提示词 + 任务示例，不微调训练
- 使用少量样本进行传统微调训练
第二部分(LM-BFF)：
- 手工指定提示词（原始输入 + 提示模板），微调训练
- 手工指定提示词+任务示例（原始输入 + 提示模板+ 任务示例 ），微调训练
- 自动指定提示词（原始输入 + 提示模板），微调训练
- 自动指定提示词+任务示例（原始输入 + 提示模板+ 任务示例 ），微调训练
第三部分:
全量样本传统微调训练
实验结果确实显著的表明，在少样本设定下，LM-BFF具有显著的优势，比传统微调性能大幅提高（大多在百分之10以上）
结合提示词微调的优势
另一篇论文(How Many Data Points is a Prompt Worth?)通过实验清楚的表明了结合提示微调的好处:
作者用SuperGLUE数据集对比了结合提示微调和传统微调在不同数据量情况下的表现，横坐标代表样本量，黄色代表提示词微调在使用不同样本量数据时的性能，紫色为传统微调的性能。大部分数据集上提示词微调的效果都要好于传统微调。
结果表明结合提示微调对训练样本的需求大大少于传统微调，几十个样本可以达到较好效果，不同数据量下的效果也大多好于传统微调。这也充分证明了语言模型的提示词的重要性。